Python與機器學習實作入門
Basic implementation of machine learning with python
| 節 | 週三 |
|---|---|
A 18:30–19:20 | Python與機器學習實作入門 EE230（光復） 3 節連堂 |
B 19:30–20:20 | |
C 20:30–21:20 |
* 根據陽明交大上課時間表所列
學習pyhon程式語言,使用python練習機器學習演算法,並以之建立簡單分類及影像辨識模型。
基礎程式能力
無備註
原理講解後讓同學實際練習Python實作。
評量方法以課堂練習結果與期末專題成果評分。
ML套件簡介與安裝
(1)pandas (2)numpy (3) keras (4)anaconda (5)jupyter notebook (6)spyder
- 講授：
- 3
- 示範：
- 3
機器學習基礎理論
(1)Logistic Regression (2)KNN (3)SVM (4) Random forests (5)Data preprocessing
- 講授：
- 3
- 示範：
- 3
- 實作：
- 3
機器學習範例與實作
(1)classification (2)convolution neural network (3)residual neural network (4)LSTM/attention
- 講授：
- 6
- 示範：
- 6
- 實作：
- 3
專題實作與報告
(1)proposal (2)discussion (3)project presentation
- 講授：
- 5
- 示範：
- 5
- 實作：
- 5
python基礎教學
(1)Data Type (2)Data Structure (3)Logic (4)Loop (5)Function
- 講授：
- 3
- 示範：
- 3
- 實作：
- 3
| 週次 | 主題 |
|---|---|
| 第 1 週 | 簡介機器學習與相關應用 |
| 第 2 週 | python基礎教學 |
| 第 3 週 | python基礎教學 |
| 第 4 週 | python基礎教學 |
| 第 5 週 | ML套件簡介(numpy, pandas, keras) |
| 第 6 週 | ML環境安裝(anaconda, Jupyter notebook, spyder) |
| 第 7 週 | ML基礎理論(Data preprocessing) |
| 第 8 週 | ML基礎理論(KNN, SVM, Logistic regression) |
| 第 9 週 | 機器學習基礎 NN classification |
| 第 10 週 | 專題實作與報告proposal |
| 第 11 週 | 機器學習基礎 CNN |
| 第 12 週 | 機器學習基礎 CNN |
| 第 13 週 | 機器學習基礎 RNN, LSTM, attention |
| 第 14 週 | 機器學習基礎 RNN, LSTM, attention |
| 第 15 週 | 專題實作與報告 |
| 第 16 週 | 專題實作與報告 |
| 第 17 週 | 專題實作與報告 |
| 第 18 週 | 專題實作與報告 |
1. Introduction to Machine Learning with Python, by Andreas C. Müller & Sarah Guido (ISBN: 978-1449369415) 2. PYTHON 程式設計與數據分析/白文章 編著, 普林斯頓國際 (ISBN: 978-9869698917) 3. Deep Learning, Ian Goodfellow ISBN-13: 978-0262035613
- 地點
- EE241
- 時間
- 週二晚上19:00-20:00
- 聯絡方式
- wayne970331@gmail.com